FI113730B - Location method for cellular networks - Google Patents
Location method for cellular networks Download PDFInfo
- Publication number
- FI113730B FI113730B FI20011957A FI20011957A FI113730B FI 113730 B FI113730 B FI 113730B FI 20011957 A FI20011957 A FI 20011957A FI 20011957 A FI20011957 A FI 20011957A FI 113730 B FI113730 B FI 113730B
- Authority
- FI
- Finland
- Prior art keywords
- matrix
- mobile station
- values
- parameters
- mobile
- Prior art date
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/0252—Radio frequency fingerprinting
- G01S5/02521—Radio frequency fingerprinting using a radio-map
- G01S5/02524—Creating or updating the radio-map
Description
1 1137301 113730
PAIKANNUSMENETELMÄ MATKAVIESTIN VERKOILLELOCATION METHOD FOR MOBILE NETWORKS
Keksinnön alaField of the Invention
Keksintö liittyy yleisesti paikannustekniikoihin. Tarkemmin sanoen 5 keksintö liittyy päättelyyn koskien matkaviestimen maantieteellistä sijaintia matkaviestinverkossa.The invention relates generally to positioning techniques. More particularly, the invention relates to the reasoning regarding the geographical location of a mobile station in a mobile communication network.
Tekniikan taustaTechnology background
Kaksi pääasiallista syytä ovat motivoineet paikannustekniikoiden 10 kehittymistä matkaviestinverkoissa. Ensinnäkin eri viranomaiset asettavat vaatimuksia matkaviestimien paikannukseen. Tietyille viranomaisille kuten hälytyskeskuksille on hyvin tärkeää pystyä paikantamaan soittaja niin tarkasti kuin mahdollista. Monissa maissa laki asettaa vaatimuksia paikannusmenetelmille. Esimerkiksi Yhdysvalloissa 67 prosenttia matkaviestinpuheluista täy-15 tyy pystyä lähitulevaisuudessa paikantamaan 50 metrin tarkkuudella ja 95 prosenttia 150 metrin tarkkuudella. Toiseksi monet matkaviestinverkoissa tarjottavat tulevaisuuden palvelut tulevat olemaan sellaisia, että ne vaativat tiedon matkaviestimen senhetkisestä maantieteellisestä sijainnista.Two main reasons have motivated the development of positioning techniques 10 in mobile networks. First of all, various authorities impose requirements on the location of mobile stations. It is very important for certain authorities, such as alert centers, to be able to locate the caller as accurately as possible. In many countries, the law imposes requirements on positioning methods. For example, in the United States, 67 percent of mobile calls will need to be able to locate within 50 meters and 95 percent with 150 meters in the near future. Second, many of the future services offered on mobile networks will be such that they require information about the current geographical location of the mobile.
Mitä suuremman tarkkuuden paikannusmenetelmä tarjoaa sitä pa-20 remmin se kykenee palvelemaan paikannusinformaatiota hyödyntävää sovellusta. Tämä koskee erityisesti tiheästi rakennettuja urbaaneja alueita, missä ‘ ei voi nähdä kauaksi. Paikannusmenetelmien tarkkuus riippuu monista eri ; ! tekijöistä kuten radioaaltojen etenemisefekteistä. Tämä on pääasiallinen syy j siihen, että tiheät urbaanit alueet ovat paikannustarkkuuden kannalta vaikeita * ’ 25 ja haastavia ympäristöjä hankalien heijastumien vuoksi ja koska signaali : vaimentuu vähemmän edetessään katujen muodostamia kanjoneita pitkin kuin edetessään rakennusten lävitse.The higher the accuracy of the positioning method, the better it will be able to serve the application utilizing the positioning information. This is especially true for densely built-up urban areas where 'can't be seen far. The accuracy of positioning methods depends on many different; ! factors such as radio wave propagation effects. This is the main reason that dense Urban areas are difficult for positioning accuracy * '25 and challenging environments due to difficult reflections and because the signal is less attenuated as it traverses the canyons formed by the streets than as it passes through the buildings.
| ',· Kun matkaviestin on paikannettu, mittaustulokset saadaan välittö- mästi verkosta. Tyypillisesti mittaustuloksia ei saada koordinaatteina vaan 30 parametreinä, jotka määrittävät tietyn alueen, missä matkaviestin on paikan-nettu tietyllä todennäköisyydellä. Verkko tarjoaa tavallisesti useita parametre-ja yksittäistä mittauskertaa varten, joten mittauskertaan liittyvät parametrit edustavat tässä yhteydessä parametrijoukkoa. Parametrijoukon perusteella :**: voidaan määrittää geometrisiä rajoituksia, jotka vetävät rajat yhdelle tai 35 useammalle alueelle, joilla matkaviestin todennäköisesti sijaitsee. Sijainnin päättely matkaviestinverkossa perustuu pitkälti parametrijoukon solu ID:hen 2 113730 sekä ajoitusennakkoon (timing advance), joka ilmaisee, kuinka kaukana tietystä tukiasemasta matkaviestin todennäköisesti sijaitsee.| ', · Once the mobile station is located, the measurement results are immediately obtained from the network. Typically, the measurement results are not obtained as coordinates but as parameters that determine a specific area where the mobile station is located with a certain probability. The network usually provides several parameters for a single measurement, so the parameters associated with the measurement represent a set of parameters in this context. Based on a set of parameters: **: Geometric constraints can be defined that draw the boundaries of one or more areas where the mobile station is likely to be located. The location inference in the mobile network is largely based on the parameter set cell ID 2 113730 and the timing advance, which indicates how far a mobile station is likely to be located from a particular base station.
Nykyiset paikannusmenetelmät käyttävät saatua parametrijoukkoa määrittämällä ensin yhden tai useampia alueita ja sitten laskemalla arvion eli 5 estimaatin matkaviestimen sijainnille. Historiadataa eli edellisiä estimaatteja voidaan käyttää tekemään estimaateista tarkempia. Eräs tunnettu ”a least squares scheme”-menetelmä määrittää polun, jossa sijaintiestimaattipisteille laskettu poikkeamien summan neliö saavuttaa miniminsä.Current positioning methods use the resulting set of parameters by first defining one or more regions and then calculating an estimate, i.e., 5 estimates for the location of the mobile station. Historical data or previous Estimates can be used to make the estimates more accurate. One known method, the "least squares scheme", defines the path in which the square of the sum of the deviations calculated for position estimates points reaches its minimum.
Nykyisten menetelmien suurin haittapuoli on se, että ne eivät säily-10 ta verkosta saatua, parametrien ilmentämää tietoa matkaviestimen sijainnin maantieteellisestä jakaumasta. Sen sijaan nykyisissä menetelmissä estimoin-tiprosessi siirtyy aikaisessa vaiheessa pisteperustaiseen lähestymistapaan, missä maantieteellistä jakaumaa koskeva informaatio supistetaan estimaatti-pisteiksi ja lopullinen estimaatti lasketaan näiden pisteiden pohjalta. Kun pro-15 sessi siirtyy geometrisestä datasta pisteperustaiseen informaatioon, se ei voi enää palauttaa parametrijoukon ilmentämää tietoa matkaviestimen sijainnin maantieteellisestä jakaumasta.The major disadvantage of current methods is that they do not retain network-derived, parameter-represented information about the geographic distribution of the location of the mobile station. Instead, in current methods, the estimation process at an early stage shifts to a point-based approach, where information about the geographical distribution is reduced to estimate points and the final estimate is calculated from these points. When the pro-15 process migrates from geometric data to point-based information, it can no longer recover the information represented by the parameter set from the geographic distribution of the mobile station location.
Keksinnön tavoitteena on eliminoida edellä mainitut haittapuolet ja aikaansaada ratkaisu, joka tuottaa matkaviestimen tarkan sijainnin käyttäen ' - t 20 tehokkaasti matkaviestinverkosta saatua informaatiota.It is an object of the invention to eliminate the aforementioned drawbacks and to provide a solution which provides the exact location of the mobile station using efficiently the information received from the mobile network.
Keksinnön lyhyt yhteenveto ’ , Keksinnön tavoitteena on aikaansaada ratkaisu, jolla nykyisten ’ paikannusmenetelmien tarkkuutta voidaan parantaa. Lisäksi tavoitteena onBRIEF SUMMARY OF THE INVENTION It is an object of the invention to provide a solution for improving the accuracy of current 'positioning methods. In addition, the goal is
IMIIMI
* ' 25 tarkkoja sijaintituloksia antava ratkaisu, joka ei vaadi laajoja kenttämittauksia tai tietokokoelmia.* '25 solution for accurate location results that does not require extensive field measurements or data collections.
Nämä tavoitteet saavutetaan itsenäisissä patenttivaatimuksissa i määritetyssä ratkaisussa.These objects are achieved by the solution defined in the independent claims i.
Keksintö hyödyntää matkaviestinverkosta saatuja sijaintiriippuvai-30 siä parametreja määrittäessään matkaviestimen sijaintia. Verkko tarjoaa ta-.... vallisesti useita parametreja yksittäistä mittauskertaa varten, joten ‘Γ mittauskertaan liittyvät parametrit edustavat tässä yhteydessä parametrijoukkoa. Nämä parametrit ilmaisevat maantieteellisiä alueita, joilla :**>: matkaviestin todennäköisesti sijaitsee eli kuinka kaukana tietystä 35 tukiasemasta matkaviestin todennäköisesti sijaitsee.The invention utilizes location dependent parameters obtained from a mobile network to determine the location of a mobile station. The network usually provides many parameters for a single measurement, so that the parameters related to 'Γ measurement represent a set of parameters in this context. These parameters indicate the geographical areas where: **>: the mobile station is likely to be located, i.e. how far away from a particular 35 base stations the mobile station is likely to be.
3 113730 Järjestelmän tarkkuuden parantamiseksi keksintö hyödyntää pa-rametrijoukon tarjoamaa maatieteellistä informaatiota muodostamalla matriiseja, jotka ilmentävät matkaviestimen sijainnin todennäköisyysjakaumaa. Matriisi muodostetaan matkaviestinverkosta saadulle parametrijoukolle. Jo-5 kainen matriisin elementti vastaa tiettyä maantieteellistä aluetta ja sisältää arvon, joka indikoi todennäköisyyttä, jolla kyseinen matkaviestin on kyseisen alueen sisällä. Ainakin yksi matkaviestimelle muodostettu matriisi talletetaan historiadatana, joka on käytettävissä matkaviestimen seuraavan parametri-joukon yhteydessä. Kun sellainen parametrijoukko on saatu, nykyistä para-10 metrijoukkoa vastaava matriisi muodostetaan tai noudetaan ja matriisin elementtejä päivitetään. Päivitysprosessissa matkaviestimen liikkumisesta aiheutuva vaikutus otetaan huomioon matriisielementeissä, liikkumisen ollessa arvioitu siirtyminen vastaaviin parametrijoukkoihin liittyvien mittausajankoh-tien välillä. Sitten sijaintiestimaatti päätellään nykyiseen parametrijoukkoon 15 liittyvän matriisin elementtiarvojen sekä päivitettyjä arvoja sisältävän matriisin elementtiarvojen perusteella.113730 In order to improve the accuracy of the system, the invention utilizes the geographic information provided by a set of parameters by generating matrices representing a probability distribution of the location of a mobile station. The matrix is formed for a set of parameters obtained from the mobile communication network. A matrix element of any one of 5 corresponds to a particular geographical area and contains a value that indicates the probability that the mobile station in question is within that area. At least one matrix generated for the mobile station is stored as history data available for the next set of parameters of the mobile station. Once such a set of parameters is obtained, a matrix corresponding to the current para-10 metric set is generated or retrieved and the elements of the matrix are updated. In the update process, the effect of mobile station movement is taken into account in the matrix elements, the movement being an estimated shift between the measurement times associated with the respective parameter sets. The location estimate is then deduced from the element values of the matrix associated with the current parameter set 15 and the element values of the matrix containing the updated values.
Täten keksintö hyödyntää historiadataa ainakin yhden aiemmin muodostetun matriisin muodossa, matriisin ollessa päivitetty matkaviestin arvioidun siirtymisen mukaisesti. Matriiseja käyttämällä voidaan palauttaa mat-; _ 20 kaviestinverkosta saatu alkuperäinen data koskien matkaviestimen sijainnin : maantieteellisestä jakaumaa. Järjestelmän tarkkuutta voidaan täten parantaa ’•j·’ prosessoimalla nykyistä matriisia yhdellä tai useammalla kyseiseen matka- ] , viestimeen liittyvällä matriisilla.Thus, the invention utilizes history data in the form of at least one previously formed matrix, the matrix being updated in accordance with the estimated migration of the mobile station. Using matrices it is possible to restore mat-; _ Initial data obtained from 20 cellular networks regarding the location of the mobile station: geographical distribution. The accuracy of the system can thus be improved by processing the current matrix with one or more matrices associated with that mobile device.
Eräässä keksinnön edullisessa suoritusmuodossa käytetään kart-25 tainformaatiota määritettäessä nykyisen matriisin elementtiarvoja. Karttain- *···* formaatio sisältää edullisesti kuvauksen kyseiseen elementtiin liittyvän maan tieteellisen alueen maanpinnan tyypistä. Kuvaus voi olla yksinkertainen kuten : V tie, metsä, joki jne. Sitten nykyisen matriisin elementtiarvot painotetaan maanpinnan tyypin mukaisesti.In a preferred embodiment of the invention, map information is used to determine the element values of the current matrix. The map * *·· * format preferably contains a description of the ground type of the scientific area of the country associated with that element. The description can be simple like: V road, forest, river etc. Then the element values of the current matrix are weighted according to the type of ground.
30 Toisessa edullisessa suoritusmuodossa karttainformaatiota käyte- ..... tään edelliseen parametrijoukkoon liittyvän matriisin elementtiarvojen päivit- T tämisessä.In another preferred embodiment, the map information is used to update the element values of the matrix associated with the preceding parameter set.
V*: Parantuneen tarkkuuden lisäksi keksinnön lisäetuna on se, että :/: mitään ylimääräistä mekanismia tai suuritöisiä vaiheita ei tarvita matriisien 35 muodostamisessa. Matriisit voidaan muodostaa lennossa vastaanotetun pa- rametrijoukon avulla, tai se voidaan muodostaa etukäteen ja tallettaa tieto- . 113730 4 kantaan. Jälkimmäisessä tapauksessa vastaanotettua parametrijoukkoa käytetään hakuavaimena haettaessa oikeaa matriisia tietokannasta.V *: In addition to improved accuracy, an additional advantage of the invention is that: /: no additional mechanism or laborious steps are required to form the matrices 35. The matrices can be formed by a set of parameters received on the fly, or it can be generated in advance and stored in data. 113730 4 positions. In the latter case, the received parameter set is used as a search key when retrieving the correct matrix from the database.
Edelleen keksinnön lisäetuna on se, että keksintö ei ole riippuvainen verkon implementaatiosta, vaan sitä voidaan hyödyntää missä tahansa 5 verkossa, jossa ainakin yksi matkaviestimen sijaintiin liittyvä parametri on saatavilla mahdollistaen näin matriisin muodostamisen. Menetelmää voidaan näin käyttää eri verkkoimplementaatioden päällä, näiden implementaatioiden perustuessa erilaisiin sijaintiriippuvaisiin parametreihin.A further advantage of the invention is that the invention is not dependent on network implementation, but can be utilized in any of the 5 networks where at least one parameter related to the location of the mobile station is available, thus enabling the matrix to be formed. The method can thus be used on different network implementations, these implementations being based on different location dependent parameters.
10 Kuvioluettelo10 Pattern list
Seuraavassa keksintöä selostetaan yksityiskohtaisemmin oheisten kaaviollisten kuvioiden avulla, joista kuvio 1 esittää sijaintiriippuvaista informaatiota, jota on saatavissa tyypillisestä suuntaamattomia soluja hyödyntävästä solukkoverkosta, 15 kuvio 2 esittää sijaintiriippuvaista informaatiota, jota on saatavissa tyypillisestä sektorisoluja hyödyntävästä solukkoverkosta, kuvio 3 esittää keksinnöllistä menetelmää, kuvio 4 esittää esimerkkimatriisia, joka on muodostettu matkaviestin verkosta vastaanotettujen parametrijoukkojen avulla, 20 kuvio 5 esittää vuokaavion keksinnöllisestä menetelmästä, kuvio 6 on edeltävän matriisin prosessointia kuvaava vuokaavio, _ i ‘ kuvio 7 esittää, miten kuvion 4 matriisi muuttuu, kun sitä päivitetään kerran ' , olettaen, että matkaviestimen kaikki siirtymissuunnat ovat yhtä to- ’ dennäköisiä, [ ' 25 kuvio 8 esittää, miten kuvion 4 matriisi muuttuu, kun sitä päivitetään kerran olettaen, että matkaviestin siirtyy suoraan itään, kuvio 9 esittävää erästä tapaa muodostaa vastaanotettua parametri-• V joukkoa vastaava matriisi.In the following, the invention will be described in more detail with reference to the accompanying diagrammatic figures, in which Figure 1 shows the location dependent information available from a typical non-directional cellular network, Figure 2 shows the location dependent information obtained from a typical sector cellular network, FIG. 5 is a flowchart illustrating the processing of the preceding matrix; FIG. 7 illustrates how the matrix of FIG. 4 changes when it is updated once, assuming that all migration directions are equally likely, ['25 Figure 8 shows how the matrix of Figure 4 changes when updated once, assuming that the mobile station 9 moves directly east, a way of forming a matrix corresponding to a received set of parametric Vs, illustrated in Figure 9.
30 Keksinnön yksityiskohtainen selostus ... Kuten edellä on todettu, keksinnöllistä menetelmää voidaan sovel- ’*“* taa erityyppisen sijaintiriippuvan informaation yhteydessä. Solukkoverkosta :/*: riippuen verkon tarjoama sijaintiriippuva informaatio voi olla esimerkiksi sig- naalivoimakkuus tai signaaliviive. Sijainninpäättely solukkoverkossa perustuu 35 pitkälti ajoitusennakkotietoon, koska ajoitusennakkotieto on saatavissa suo-DETAILED DESCRIPTION OF THE INVENTION ... As noted above, the inventive method can be applied to various types of location-dependent information. Depending on the cellular network: / *: Depending on the network, the location-dependent information provided by the network may be, for example, signal strength or signal delay. The positioning in the cellular network is largely based on 35 prediction data, because the prediction information is available
5 11373C5, 11373C
raan verkosta. Näin ollen ajoitusennakkoa käytetään esimerkkinä sijainnin-päättelyssä käytettävästä sijaintiriippuvasta informaatiosta.I go online. Thus, the scheduling advance is used as an example of location-dependent information used in location-deduction.
Kuten tunnettua, ajoitusennakko ilmaisee, kuinka kaukana tukiasemasta matkaviestin todennäköisesti sijaitsee. Kuvio 1 esittää sijaintiriip-5 puvaa informaatiota, jonka tarjoaa suuntaamattomia soluja hyödyntävä solukkoverkko, kun taas kuvio 2 esittää samaa tilannetta sektorisolujen yhteydessä. Verkko tarjoaa tyypillisesti ajoitusennakkotiedon minimi- ja maksimi-etäisyytenä antennista (Rmjn ja Rmax), jolloin matkaviestin sijaitsee tietyllä todennäköisyydellä näiden rajojen välissä eli viivoitettu alue A kyseisissä ku-10 vioissa muodostaa rajojen erottaman ajoitusennakkovyöhykkeen. Ajoitusennakkotiedon lisäksi verkko tarjoaa solutunnisteen (CID), joka identifioi matkaviestimen sijaintisolun. Tämä informaatio voidaan antaa solun koordinaatteina. Verkko tarjoaa lisäksi tunnisteen matkaviestimen tunnistamiseksi muiden matkaviestimien joukosta sekä mittausajankohtaa indikoivan aikaleiman. 15 Sektorisolujen tapauksessa verkko tarjoaa myös sektori-informaatiota. Täten verkko tarjoaa jokaista sijaintimääritystä kohti parametrijoukon, joka yleensä sisältää seuraavan informaation: solun tunnistetieto kuten tukiaseman koordinaatit, ajoitusennakkotiedon kuten Rmin ja Rmax sekä tunnisteen matkaviestimen tunnistamiseksi muiden matkaviestimien joukosta, mittausajankohdan 20 ilmaisevan aikaleiman sekä mahdollisesti sektori-informaation.As is known, the scheduling advance indicates how far from the base station the mobile station is likely to be. Figure 1 shows location-dependent information provided by a cellular network utilizing non-directional cells, while Figure 2 shows the same situation with sector cells. Typically, the network provides timing advance information at a minimum and maximum distance from the antenna (Rmjn and Rmax), whereby the mobile station is located with a certain probability between these boundaries, i.e., the dotted area A in those FIGS. In addition to the timing advance information, the network provides a cell identifier (CID) that identifies the location cell of the mobile station. This information can be given in cell coordinates. The network also provides an identifier for identifying the mobile station among other mobile stations and a timestamp indicating the measurement time. In the case of sector cells, the network also provides sector information. Thus, for each position determination, the network provides a set of parameters that generally include the following: cell identifier such as base station coordinates, timing advance information such as Rmin and Rmax, and an identifier for identifying a mobile station from other mobile stations.
, . Kuvio 3 esittää keksinnönmukaisen järjestelmän avainelementtejä.,. Figure 3 shows the key elements of a system according to the invention.
t Tässä oletetaan, että matkaviestinverkko on GSM-verkko. Verkon ja matka viestimen välinen kommunikaatio tapahtuu radioteitse tukiaseman (BTS) 31 kautta. Tukiasemat on yhdistetty tukiasemaohjaimiin (BCS) 32. Tavallisesti ] ' 25 yhden tukiasemaohjaimen kontrollissa on useita tukiasemia ja useita tuki- asemaohjaimia on yhdistetty yhteen matkaviestinkeskukseen (MSC) 33, joka huolehtii matkaviestinverkon kytkentätehtävistä. Lisäksi MSC yhdistää mat-: V kaviestinverkon ulkoisiin verkkoihin. Paikantamista varten MSC on yhdistetty GMLC-keskukseen (Gateway Mobile Location Center), joka kerää matkaviesti,; 30 timien sijainti-informaatiota sijaintitietokantaan 35. Kuten edellä mainittiin, GMLC tukee solutunniste- ja ajoitusennakkotietoa ja täten GMLC tarjoaa ku-T vioissa 1 ja 2 mainitun parametrijoukon jokaista sijainnin päättelykertaa koh- :.'-j den.t Here we assume that the cellular network is a GSM network. Communication between the network and the mobile station is made over the radio via a base station (BTS) 31. The base stations are connected to base station controllers (BCS) 32. Typically, one of 25 base station controllers controls several base stations and multiple base station controllers are connected to a single mobile switching center (MSC) 33 which performs the switching tasks of the mobile network. In addition, the MSC connects the mat: V mobile network to external networks. For purposes of location, the MSC is connected to the GMLC (Gateway Mobile Location Center), which collects the mobile station; As mentioned above, the GMLC supports cell identifier and timing advance information, and thus, the GMLC provides each location inference of the set of parameters mentioned in FIGS. 1 and 2 for each location inference.
Matkaviestinverkosta saatavat parametrijoukot käsitellään tark-35 kuuspalvelimella 38, joka vastaanottaa sijaintipyyntöjä ulkopuolisilta kohteilta kuten palvelusovelluksilta, jotka on sijoitettu samaan verkkoon kuin tarkkuus-The parameter sets obtained from the mobile communication network are processed by the precision 35 server 38, which receives location requests from external objects such as service applications located on the same network as the precision network.
6 11373C6 11373C
palvelin. Kyetäkseen muodostamaan vastaanotetun parametrijoukon perusteella sijaintiestimaatin, tarkkuuspalvelin muodostaa matriisin parametrijoukon perusteella, tai tarkkuuspalvelin noutaa parametrijoukkoa vastaavan matriisin muiden aiemmin muodostettujen ja matriisitietokantaan 39a talletettujen 5 matriisien joukosta. Tarkkuuspalvelin käyttää lisäksi matkaviestinkohtaista historiadataa, joka on talletettu historiatietokantaan 39b. Tämä data käsittää kyseisen matkaviestimen aiempiin parametrijoukkoihin liittyviä matriiseja. Näiden matriisien sisällöstä keskustellaan tuonnempana. Matriisien element-tiarvoja määritettäessä tarkkuuspalvelin voi lisäksi hyödyntää karttatietokan-10 taan 39c talletettua karttainformaatiota, vaikka karttainformaatio ei olekaan välttämätöntä. Sama koskee etukäteen laskettuja matriiseja eli matriisitieto-kanta ei ole välttämätön, vaan nykyistä parametrijoukkoa vastaava matriisi voidaan laskea tosiaikaisesti.server. To be able to compute a location estimate based on the received parameter set, the precision server generates a matrix based on the parameter set, or the precision server retrieves the corresponding set of matrices from other previously formed matrices 5 stored in the matrix database 39a. The precision server also uses mobile-specific history data stored in the history database 39b. This data comprises matrices related to previous parameter sets of the mobile station in question. The content of these matrices will be discussed below. In addition, when determining the element values of the matrices, the precision server may utilize map information stored in map database 39c, although map information is not necessary. The same applies to pre-computed matrices, i.e., a matrix database is not necessary, but a matrix corresponding to the current set of parameters can be computed in real time.
Tarkkuuspalvelimen tarvitsema informaatio parametrijoukkojen 15 käsittelemiseksi voidaan tallettaa myös yhteen tietokantaan. Informaatio talletetaan mielellään tarkkuuspalvelimen yhteyteen, vaikkakin se voidaan hajauttaa verkkoon, johon tarkkuuspalvelin on yhdistetty.The information needed by the precision server for processing parameter sets 15 can also be stored in a single database. The information is preferably stored in connection with the precision server, although it can be distributed to the network to which the precision server is connected.
Vastaanottaessaan parametrijoukon tarkkuuspalvelin laskee parametrijoukkoa vastaavan matriisin. Toisaalta, jos matriisit on laskettu etukä-. *.20 teen, tarkkuuspalvelin noutaa kyseiset matriisit tietokannasta 39a ja paramet-: rijoukkoa käytetään hakuavaimena etsittäessä oikeaa matriisia. Matriisi sisäl- tää ηχη elementtiä kunkin elementin kattaessa tietyn maantieteellisen alueen I · t ’ . ja kunkin elementin sisältäessä arvon, joka ilmentää todennäköisyyttä sille, . että matkaviestin sijaitsee kyseisen elementin kattamalla alueella. Kuvio 4 l25 esittää 10x10 elementtiä sisältävästä matriisista. Käytännössä elementtien * · ’···* lukumäärä on paljon suurempi, esimerkiksi 40x40 elementtiä. Jokainen ele mentti vastaa koordinaattiparia Xi/Yi (i=0...9), joka määrittää elementin kat-j V tämän maantieteellisen alueen. Käytännössä jokainen elementtialue voi olla esimerkiksi 25x25 metriä, jolloin 40x40 matriisi kattaisi yhden neliökilometrin 30 alueen. Kuvion esimerkissä elementtiarvot on esitetty prosentteina. Ajoitus-... ennakkovyöhykkeen kattamille elementeille on annettu arvo 100, kun muille *1' elementeille on annettu arvo 0.Upon receiving the parameter set, the precision server calculates the matrix corresponding to the parameter set. On the other hand, if the matrices are computed in advance. * .20 tea, the precision server retrieves those matrices from database 39a and the set of parameters: is used as a search key to search for the correct matrix. The matrix contains an ηχη element with each element covering a given geographical area I · t '. and each element including a value representing a probability,. that the mobile station is within the coverage of that element. Figure 4125 shows a matrix containing 10x10 elements. In practice, the number of elements * · '··· * is much larger, for example 40x40 elements. Each element corresponds to the coordinate pair Xi / Yi (i = 0 ... 9) that defines this geographical area of element kat-j V. In practice, each element area can be, for example, 25x25 meters, whereby a 40x40 matrix would cover an area of 30 square kilometers. In the example of the figure, the element values are shown as percentages. The elements covered by the timing -... pre-zone are assigned a value of 100 while the other * 1 'elements are assigned a value of 0.
• ·• ·
Kuvio 5 esittää tarkkuuspalvelimen suorittamaa estimointia. Kuten i edellä on mainittu, vastaanottaessaan parametrijoukon tarkkuuspalvelin las- 35 kee kyseiseen parametrijoukkoon liittyvän matriisin tai noutaa matriisit tietokannasta 39a käyttäen parametrijoukkoa hakuavaimena (vaihe 51). Jälkim-Figure 5 shows the estimation performed by the precision server. As mentioned above, when receiving a parameter set, the precision server 35 calculates a matrix associated with that parameter set or retrieves the matrices from database 39a using the parameter set as the search key (step 51). The latter
7 11373C7 11373C
mäisessä tapauksessa matriisit on edullisesti muodostettu käyttäen sopivaa kalibrointimenetelmää ja matriisi muodostetaan kalibrointimenetelmän antamien tulosten perusteella. Myös yhdistetty mekanismi on käyttävissä esimerkiksi siten, että etukäteen laskettuja matriiseja voidaan edelleen prosessoida 5 tarkkuuspalvelimella, jotta saadaan aikaan todennäköisyysjakaumaa kuvaava lopullinen matriisi. Keksinnön edullisessa suoritusmuodossa tämä prosessointi suoritetaan käyttäen karttainformaatiota matriisin elementtiärvojen muokkaamisessa.In such a case, the matrices are preferably formed using a suitable calibration method and the matrix is formed based on the results of the calibration method. The combined mechanism is also operable, for example, so that the pre-computed matrices can be further processed by the precision server 5 to provide a final matrix depicting the probability distribution. In a preferred embodiment of the invention, this processing is performed using map information to modify the element values of the matrix.
Tässä suoritusmuodossa tarkkuuspalvelin noutaa karttainformaa-10 tion painottaakseen elementtiärvoja noudetun datan avulla. Painotettavat matriisit voivat olla peräisin tietokannasta tai ne voidaan muodostaa tosiaikaisesti tarkkuuspalvelimella. Karttainformaatio viittaa mihin tahansa informaatioon, joka korreloi matkaviestimen sijainnin todennäköisyyden tai matkaviestimen siirtymisen todennäköisyyden kanssa. Tarkkuuspalvelimen käyt-15 tämä karttainformaatio on edullisesti sellaisten karttamatriisien muodossa, jotka vastaavat parametrijoukkojen perusteella muodostettuja matriiseja, paitsi että karttamatriiseissa kukin yksittäinen elementti ilmaisee elementin kattaman maanpinnan tyypin. Maanpintatyyppien luokittelu voi olla yksinkertainen kuten tie, metsä, joki jne., missä kuhunkin tyyppiin on liitetty jokin pai-20 noarvo. Toiset tyypit ovat voimakkaampia kuin toiset. Jos esimerkiksi tie kulkee metsän läpi, tilaaja kulkee todennäköisemmin tietä pitkin kuin metsän , / kautta, joten elementin tyyppi asetetaan ’’tieksi”. Karttamatriisi voidaan muo- ‘ , dostaa tosiaikaisesti karttatietokannasta noudetusta informaatiosta tai tieto kannan informaatio voi olla matriisimuotoista.In this embodiment, the precision server retrieves map information to weight element values using retrieved data. The matrices to be weighted may be derived from a database or generated in real time on a precision server. The map information refers to any information that correlates with the probability of the location of the mobile station or the probability of the mobile station moving. This mapping information used by the precision server is preferably in the form of chart matrices corresponding to matrices formed from a set of parameters, except that in the chart matrices each individual element indicates the type of terrain covered by the element. The classification of soil types can be simple such as road, forest, river, etc., where each type is assigned a weight value. Some types are more powerful than others. For example, if a road passes through a forest, the subscriber is more likely to pass along a road than through a forest, so the element type is set to '' road ''. The map matrix can be formatted, retrieved from the map database in real time, or the data base information can be in matrix form.
»»
• I I « I• I I «I
[ * 25 Tämän jälkeen vastaanotetun parametrijoukon perusteella muo- dostetun matriisin elementtiarvot painotetaan kyseessä olevan maanpinnan-tyypin mukaisesti (vaihe 53), jolloin saadaan painotettu matriisi. Myös edelli- • V nen matriisi, joka on muodostettu saman matkaviestimen edeltävästä para- metrijoukosta, haetaan historiatietokannasta 39b ja matriisi syötetään päivi- _ 30 tysprosessille. Tässä yhteydessä edellistä matriisia nimitetään myös histo- » * riamatriisiksi. Päivitysprosessissa (vaihe 54) matkaviestimen arvioidun siirty-misen vaikutus sijaintijakaumaan otetaan huomioon levittämällä edellisen · matriisin todennäköisyysjakauma siirtymisdatan mukaisesti. Tämä operaatio perustuu tietoon matkaviestimen liikkeestä kuten esimerkiksi nopeus- ja/tai 35 suuntatietoon. Karttakorjausta yhdistettynä siirtymisdataan voidaan käyttää tarkempien tulosten saavuttamiseksi. Jos mitään tietoa siirtymisestä ei oleSubsequently, the element values of the matrix formed from the received set of parameters are weighted according to the type of ground in question (step 53) to obtain a weighted matrix. Also, the previous V matrix, formed from the preceding parameter set of the same mobile station, is retrieved from the history database 39b, and the matrix is input to the update process. In this context, the previous matrix is also called the histogram matrix. In the update process (step 54), the effect of the estimated mobile transition on the location distribution is taken into account by distributing the probability distribution of the previous · matrix according to the migration data. This operation is based on information about the movement of the mobile station such as speed and / or 35 directional information. Map correction combined with the navigation data can be used for more accurate results. If there is no information about the transition
8 11373C8 11373C
saatavissa, todennäköisyysjakauma levitetään tasaisesti kaikkiin suuntiin. Päivitysprosessin tuloksena saadaan levitetty historiamatriisi.available, the probability distribution is uniformly distributed in all directions. The upgrade process will result in a distributed history matrix.
Nykyinen matriisi ja levitetty historiamatriisi syötetään yhdistävälle prosessille, missä saman kokoinen yhdistetty matriisi määritellään tiettyjen 5 sääntöjen (vaihe 55) mukaisesti. Tällöin ainakin yksi sijaintiestimaatti lasketaan yhdistetyn matriisin perusteella (vaihe 56). Lisäksi yhdistetty matriisi syötetään historiatietokantaan, missä se korvaa edellisen matriisin eli seuraa-valla kerralla noudetaan edellinen matriisi ja edellisen parametrijoukon yhteydessä laskettu yhdistetty matriisi saadaan edellistä matriisia päivitettäes-10 sä.The current matrix and the distributed history matrix are fed to the unifying process, whereby the same size composite matrix is defined according to certain rules (step 55). In this case, at least one location estimate is calculated based on the combined matrix (step 56). In addition, the merged matrix is fed into the history database, where it replaces the previous matrix, i.e. the next matrix is retrieved and the combined matrix calculated with the previous set of parameters is obtained by updating the previous matrix.
Kuvio 6 esittää edellisen matriisin päivittämistä, missä edellisen matriisin arvoja päivitetään matkaviestimen oletetun siirtymisen mukaisesti. Päivitysprosessi sisältää yhden tai useamman laskentakierroksen. Jokaisen kierroksen aikana historiamatriisin sisältämä todennäköisyysjakauma levite-15 tään ainakin kerran. Prosessi käyttää kolmea parametria, jotka määrittävät, kuinka monta kierrosta tarvitaan. Parametrit ovat n, T ja T1, missä n ilmaisee edellisestä päivitysprosessista kuluneen ajan (eli matkaviestimen edellisestä sijaintiestimaatista kulunut aika) ja T1 on sovitettu aikaväli, joka on johdettu T:stä joka kerta kun matriisia levitetään.Figure 6 illustrates an update of the previous matrix, whereby the values of the previous matrix are updated according to the assumed migration of the mobile station. The upgrade process includes one or more computation rounds. During each round, the probability distribution in the history matrix is spread-15 at least once. The process uses three parameters that determine how many turns are needed. The parameters are n, T, and T1, where n represents the elapsed time from the previous update process (i.e., the time since the mobile station's previous location estimate) and T1 is a fitted time interval derived from T each time the matrix is applied.
:·. 20 Prosessi muodostaa aluksi n1xn1 peruskertoimet wy, joita käyte- j , , tään levitysprosessissa (vaihe 60). Tässä esimerkissä n1=3 ja kaikki kertoi- » » 'LV met saavat arvon 1 seuraavasti: ♦ » » wmj-i "Wil p 1 r I W = W,--1 J W,J W,+U =111··. The process initially forms the base coefficients wy used by n1xn1 in the application process (step 60). In this example, n1 = 3 and all multipliers »» 'LV met get a value of 1 as follows: ♦ »» wmj-i "Wil p 1 r I W = W, - 1 J W, J W, + U = 111 ·
Lw'-1,/+| WU*1 *WiJ h 1 !.Lw'-1, / + | WU * 1 * WiJ h 1 !.
Parametrille annetaan sitten arvo nolla (vaihe 61), koska mitään 25 levitystä ei ole vielä suoritettu ja arvo T1 johdetaan arvosta T (vaihe 62).The parameter is then assigned a value of zero (step 61) because no spreading has yet been performed and the value T1 is derived from the value of T (step 62).
Peruskertoimet sovitetaan sitten matkaviestimen siirtymis-informaation kuten suunta ja nopeus perusteella (vaihe 63). Karttainformaa-tiota voidaan myös hyödyntää määritettäessä sovitettuja estimaatteja. Tässä **·. esimerkissä oletetaan, että matkaviestin siirtyy suoraan itään, joten sovitetut * ’ ” 30 kertoimet w’ij ovat seuraavat: η',-ι.,-ι w/,./-1 w /+1,/-1 1 1 0 I » , , , W' = W/-1,/ Wij Wi+\J =110.The basic coefficients are then adjusted based on the mobile station's transition information such as direction and speed (step 63). Map information can also be used to determine fitted Estimates. Here ** ·. in the example, it is assumed that the mobile is moving east, so the matched * '' 30 coefficients w'ij are as follows: η ', - ι., - ι w /,./- 1 w / + 1, / - 1 1 1 0 I »,,, W '= W / -1, / Wij Wi + \ J = 110.
^/-1,/+1 Wij+1 TV /+1,7 + 1 110 9 113730^ / - 1, / + 1 Wij + 1 TV / + 1.7 + 1 110 9 113730
Hajautusprosessissa sovitettuja kertoimia käytetään sitten sovittamaan jokaisen historiamatriisin elementin ek.i arvo seuraavasti (vaihe 64): /+1 ,/+i Σ V _ k=i-\ l=j-l_The coefficients matched in the hashing process are then used to fit the value of each element of the history matrix ek.i as follows (step 64): / + 1, / + i Σ V _ k = i- \ l = j-l_
*' M* 'M
missä Ekj on hajautusmatriisin elementtiarvo ja M on nollasta 5 poikkeavien sovitettujen kertoimien summa. Hajautusmatriisi saadaan siten, että jokainen edellisen matriisin elementtiarvo korvataan elementin ja sen nollapainosta poikkeavien naapurielementtiarvojen painotetulla keskiarvolla. Käytännössä kunkin elementin sovitettuun arvoon vaikuttavien elementtien lukumäärä voi olla suurempi, esimerkiksi 16 (4x4 arvoa) tai 25 (5x5 arvoa).where Ekj is the element value of the spreading matrix and M is the sum of the matched coefficients deviating from zero 5. The spreading matrix is obtained by replacing each element value of the preceding matrix with the weighted average of the element and its non-zero neighbor element values. In practice, the number of elements affecting the matched value of each element may be greater, for example, 16 (4x4 values) or 25 (5x5 values).
10 Ensimmäisen levityskierroksen jälkeen tarkkuuspalveiin testaa, onko T yhä suurempi kuin nolla ja n pienempi kuin ennalta määritetty raja Hmax (vaihe 65). Jos näin on, edellä kuvatut vaiheet 63 ja 64 toistetaan. Jokaisen uuden kierroksen alussa parametrin n arvoa kasvatetaan yhdellä (vaihe 66) ja parametrin T1 arvo johdetaan parametrin T nykyisestä arvosta (vai- 15 he 62). Uusi matriisi lasketaan niin kauan kun T pysyy suurempana kuin nolla ja n pienempänä kuin ennalta määritelty raja nmax-10 After the first round of application to the Precision Clouds, test whether T is still greater than zero and n is less than the predetermined limit Hmax (step 65). If so, steps 63 and 64 above are repeated. At the beginning of each new round, the value of parameter n is incremented by one (step 66) and the value of parameter T1 is derived from the current value of parameter T (step 62). The new matrix is computed as long as T remains greater than zero and n smaller than the predefined limit nmax-
Lisäksi huomautetaan, että samoin kuin vaiheessa 63, perusker- :·. toimien sovittaminen siirtymisinformaation perusteella suoritetaan vain kerran : .·. jokaista päivitysprosessia kohti (eli kerran jokaista vaihetta 54 kohti). Kartta- • * # 20 informaation mukaisesti suoritettava sovittaminen tulee suorittaa erikseen jo- ‘ . kaiselle matriisielementille jokaisen levityskierroksen aikana, koska sovituk- * *»· # sessa käytettävä karttainformaation on elementtikohtaista eli riippuvainen elementin määrittämästä alueesta.It is also noted that, as in step 63, the basic: ·. adjustment of actions based on migration information is performed only once:. for each upgrade process (i.e. once for each step 54). Mapping according to map information * * # 20 should be done separately already. for each matrix, because the map information used in * * »· # matching is element-specific, that is, dependent on the area defined by the element.
Kuvio 7 esittää, miten kuvion 4 matriisi on muuttunut yhden levi- 25 tyskierroksen jälkeen käytettäessä peruskertoimia. Tässä tapauksessa ei so-\ velleta mitään suuntapohjaista painotusta, vaan oletetaan, että kaikki suun- nat on yhtä todennäköisiä. Kuten kuviosta voidaan nähdä, todennäköisyysja->t’ . kauma on levitetty, sillä nollasta poikkeavan arvon sisältävien elementtien lukumäärä on kasvanut 17:sta 45:een.Fig. 7 shows how the matrix of Fig. 4 has changed after one round of application using the basic coefficients. In this case, no directional weighting is applied, but it is assumed that all directions are equally likely. As can be seen in the figure, probabilityand-> t '. Zoom has been applied as the number of non-zero elements has increased from 17 to 45.
30 Kuvio 8 esittää, miten kuvion 4 matriisi on muuttunut yhden levi- tyskierroksen jälkeen käytettäessä edellä kuvattuja sovitettuja kertoimia. Tässä tapauksessa oletetaan, että matkaviestin liikkuu itään. Tällöin nollasta poikkeavan arvon sisältävien elementtien lukumäärä on kasvanut 37:ään.Fig. 8 shows how the matrix of Fig. 4 has changed after one round of application using the matched coefficients described above. In this case, it is assumed that the mobile station is moving east. As a result, the number of non-zero elements has increased to 37.
10 11373010 113730
Karttainformaation hyödyntäminen levitysprosessissa tarkoittaa esimerkiksi sitä, että todennäköisyydet leviävät nopeammin teitä pitkin kuin metsässä.Using map information in the dissemination process, for example, means that probabilities are spreading faster along roads than in the forest.
Levitetty historiamatriisi ja nykyinen matriisi voidaan yhdistää usealla eri tavalla. Tiettyä aluetta vastaa kuitenkin aina kaksi todennäköi-5 syysarvoa A ja B, joista toinen on peräisin nykyisen matriisin kyseistä aluetta vastaavasta elementistä ja toinen on peräisin levitetyn matriisin kyseistä aluetta vastaavasta elementistä. Yhdistämisprosessissa (vaihe 55) näiden kahden elementin perusteella päätellään yhdistetyn matriisin uusi elementti-arvo. On ainakin kolme mahdollista tapaa päätellä yhdistetyn matriisin kukin 10 elementtiarvo: 1. lasketaan kahden arvon summa eli A+B, 2. lasketaan kahden arvon painotettu summa eli rxA+(1-r)xB, 3. valitaan arvo, joka on suurin eli max{A, B}.There are several ways to combine a distributed history matrix and a current matrix. However, a given region always corresponds to two probability values A and B, one derived from the corresponding element of the current matrix and the other derived from the corresponding element of the distributed matrix. In the merge process (step 55), a new element value of the combined matrix is deduced from these two elements. There are at least three possible ways to deduce each of the 10 element values of the composite matrix: 1. calculate the sum of the two values, i.e. A + B, 2. calculate the weighted sum of the two values, i.e. rxA + (1-r) xB, 3. select the value A, B}.
Edellä mainittu yhdistetty matriisi, joka on muodostettu yhdellä 15 edellä kuvatulla tavalla, on uusi historiamatriisi.The aforementioned composite matrix formed in one of the ways described above is a new history matrix.
Yhdistetyn matriisin arvojen perusteella myös lopullinen estimaatti tai estimaatit voidaan päätellä erilaisilla tavoilla. Ainakin seuraavat tavat ovat mahdollisia: 1. Sijaintiestimaatiksi valitaan korkeimman arvon omaavan ele-... 20 mentin koordinaattiarvot.Based on the values of the combined matrix, the final estimate or estimates can also be derived in different ways. At least the following methods are possible: 1. The coordinate values of the highest value gesture -... 20 cents are selected as the location estimate.
.·. 2. Sijaintiestimaatiksi valitaan elementtiarvojen painovoiman kes- .··.’ kustan koordinaattiarvot. Painovoiman keskusta viittaa tässä (halutulla tavalla _ (. laskettuun) elementtiarvojen keskiarvoon.. ·. 2. The coordinate values of the mean ··. ’Cost of the element values are selected as the location estimate. The center of gravity here refers to (as desired) the (calculated) average of the element values.
. 3. Tutkitaan tiettyä aluetta, joka saadaan edellisen estimaatin ja 25 nopeuden ja/tai suunnan perusteella. Sitten sijaintiestimaatiksi valitaan alu-’···’ eella sijaitseva elementti, joka sisältää korkeimman arvon. Toinen vaihtoehto on valita sijaintiestimaatiksi kyseisen alueen elementtiarvojen painovoiman. 3. Explore a specific area derived from the previous estimate and the speed and / or direction. Then the location estimate that contains the highest value is selected as the location estimate. Another option is to select the gravity of the element values for that area as a location estimate
I · II · I
:keskustan koordinaatit.: center coordinates.
4. Paikalliset keskiarvot voidaan laskea halutun kokoisille element-30 tiryhmille. Esimerkiksi keskiarvot voidaan laskea 100x100 m2 kokoisille pai- .···. kallisalueille ja korkeimman keskiarvon omaavan paikallisalueen keskipiste4. Local averages can be calculated for element-30 groups of desired size. For example, averages can be calculated for 100x100 m2 weight ···. expensive areas and the center of the highest average local area
• I• I
voidaan valita sijaintiestimaatiksi. Paikallisalueen muoto voi myös olla jokin :· i muu kuin neliö kuten esimerkiksi ympyrä.can be selected as a location estimate. The shape of a local area can also be: · i other than a square such as a circle.
• · 5. Sijaintiestimaattien ympärille piirretään ennalta määrätyn muo-35 toiset alueet kuten esimerkiksi ympyrät, kunkin alueen peittäessä tietyn osuu- 11 113730 den kaikkien elementtien kokonaissummasta. Sitten kandinaatiksi valitaan pinta-alaltaan pienin alue.• · 5. Other areas of a predetermined shape, such as circles, are plotted around the location estimates, each area covering a given proportion of the total sum of all elements. The smallest area is then chosen as the candidate.
Paras vaihtoehto voidaan valita testaamalla järjestelmää halutussa ympäristössä ja etsimällä vaihtoehto, jolla saavutetaan parhaat tulokset.The best option can be selected by testing the system in the desired environment and looking for the option that will deliver the best results.
5 Seuraavaksi keskustellaan nykyiseen parametrijoukkoon liittyvän matriisin muodostamisesta (vaihe 51). Kuten edellä mainittiin, matriisi voidaan muodostaa suoraan parametrijoukon perusteella reaaliajassa, tai se voidaan hakea etukäteen muodostettujen matriisien joukosta käyttäen para-metrijoukkoa hakuavaimena. Kolmas vaihtoehto on käyttää näiden kahden 10 menetelmän kombinaatiota.5 Next, we discuss how to construct a matrix associated with the current set of parameters (step 51). As mentioned above, the matrix can be directly generated from a set of parameters in real time, or it can be retrieved from a set of pre-formed matrices using a parameter set as a search key. A third option is to use a combination of the two methods.
Kun matriisi muodostetaan tosiaikaisesti parametrijoukosta, parametrijoukon geometrinen vastine eli parametrijoukon määrittämä alue voidaan asettaa päällekkäin kyseisen alueen kattavan tyhjän matriisin kanssa. Kuvio 9 havainnollistaa tätä esittämällä Ajoitusennakkovyöhykkeen 90 15 asetettuna 7x7 matriisin päälle. Kuhunkin elementtiin asetetaan sitten arvo, joka on suoraan verrannollinen osuuteen, jonka kyseinen vastine peittää elementin alueesta. Kuvion 9 esimerkissä arvot vaihtelevat yhdestä (ei peittoa) kymmeneen (täysi peitto). Nämä arvot voidaan sitten sovittaa käyttäen karttainformaatiota. Vaihtoehtoisesti kaikkiin geometrisen vastineen . ·.. 20 kanssa päällekkäisiin elementteihin voidaan asettaa arvo yksi, kun taas loput ; elementeistä, joilla ei ole peittoa, saavat arvokseen nollan.When a matrix is real-time generated from a parameter set, the geometric equivalent of the parameter set, i.e., the area defined by the parameter set, can be superimposed on an empty matrix covering that area. Figure 9 illustrates this by showing Timing Advance Zone 90 15 superimposed on a 7x7 matrix. Each element is then assigned a value that is directly proportional to the proportion covered by its counterpart in the region of the element. In the example of Figure 9, the values range from one (no coverage) to ten (full coverage). These values can then be adjusted using map information. Alternatively, for all geometric equivalents. · .. 20 overlapping elements can be set to one value while the rest; non-masked elements will receive a zero.
* * · «* * · «
Kun matriisi haetaan etukäteen muodostettuja matriiseja sisältä-västä tietokannasta, on suositeltavaa mitata sen hetkinen todennäköisyysja- • · , . kauma sopivan mekanismin kuten GPS:n avulla. Tässä tapauksessa matrii- 25 sin elementit indikoivat todellisen ympäristön etukäteen mitattua todennäköi-syysjakaumaa. Parametrijoukot, jotka ovat oleellisesti samat eli joilla on halutulla tarkkuudella samat arvot, assosioituvat samaan matriisiin.When retrieving a matrix from a database containing pre-formed matrices, it is advisable to measure the current probability and • ·,. zoom using a suitable mechanism like GPS. In this case, the elements of the matrix indicate a pre-measured probability distribution of the real environment. Parameter sets that are essentially the same, that is, have the same values at the desired accuracy, are associated with the same matrix.
: Kolmas vaihtoehto, joka yhdistää edellä mainittuja mekanismeja voisi olla sellainen, että etukäteen laskettua matriisia käytetään aina, kun se ....: 30 on mahdollista, kun taas matriisi lasketaan tosiaikaisesti vain mikäli yhtään etukäteen laskettua matriisia ei ole saatavissa. Tämä siitä syystä, että etukä-teen määritelty matriisi esittää todennäköisesti luotettavamman käsityksen :.’i todennäköisyysjakaumasta.A: The third option that combines the above mechanisms could be to use a pre-calculated matrix whenever possible ....: 30, whereas the matrix is computed in real time only if no pre-computed matrix is available. This is because a pre-defined matrix is likely to provide a more reliable idea of the probability distribution:.
Vaikka edellä keksintö kuvattiinkin viittauksin oheisiin piirroksiin, on 35 ilmeistä, että keksintö ei ole rajoittunut niihin, vaan keksintö on alan ammattilaisten muokattavissa poikkeamatta keksinnön piiristä ja hengestä. Keksin-Although the invention has been described above with reference to the accompanying drawings, it is obvious that the invention is not limited thereto, but that the invention can be modified by those skilled in the art without departing from the spirit and scope of the invention. I invent-
12 1 1373C12 1 1373C
nön yksinkertaistetussa muodossa ei käytetä mitään kartta- tai suuntainfor-maatiota eli todennäköisyysjakauma hajautetaan tasaisesti kaikkiin suuntiin. Prosessoitaessa nykyistä matriisia voidaan käyttää useampaa kuin yhtä his-toriamatriisia. Käytettäviä verkkoelementtejä voidaan myös vaihdella. Esi-5 merkiksi parametrijoukko voidaan noutaa mistä tahansa verkkoyksiköstä, josta on niihin pääsy ja menetelmän vaiheet voidaan hajauttaa eri verkkoelementtien kesken. Tulevaisuudessa matkaviestin saattaa suorittaa yhden tai useamman menetelmävaiheen. Riippuen parametrijoukon sisällöstä matkaviestin saattaa tarvita ulkopuolista informaatiota kyetäkseen muodostamaan 10 matriiseja ja kyetäkseen suorittamaan menetelmävaiheita.in simplified form, no map or direction information is used, that is, the probability distribution is uniformly distributed in all directions. More than one historical matrix can be used to process the current matrix. The network elements used can also be varied. As an example, a set of parameters can be retrieved from any network unit that has access to them and the method steps may be distributed among different network elements. In the future, the mobile station may perform one or more method steps. Depending on the content of the parameter set, the mobile station may need external information in order to form matrices and perform method steps.
* · • * * · * · ♦ ·* · • * * · * · ♦ ·
* I I* I I
t » * » • · f · * ·t »*» • · f · * ·
• I• I
I * · * I ·I * · * I ·
II
Claims (15)
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FI20011957A FI113730B (en) | 2001-10-08 | 2001-10-08 | Location method for cellular networks |
| US10/001,855 US20030069027A1 (en) | 2001-10-08 | 2001-11-19 | Location method for mobile networks |
| EP01660234A EP1301055A1 (en) | 2001-10-08 | 2001-12-18 | Processing of geographical and movement data for locating a mobile terminal in a mobile network |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FI20011957 | 2001-10-08 | ||
| FI20011957A FI113730B (en) | 2001-10-08 | 2001-10-08 | Location method for cellular networks |
Publications (3)
| Publication Number | Publication Date |
|---|---|
| FI20011957A0 FI20011957A0 (en) | 2001-10-08 |
| FI20011957A FI20011957A (en) | 2003-04-09 |
| FI113730B true FI113730B (en) | 2004-05-31 |
Family
ID=8562017
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| FI20011957A FI113730B (en) | 2001-10-08 | 2001-10-08 | Location method for cellular networks |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US20030069027A1 (en) |
| EP (1) | EP1301055A1 (en) |
| FI (1) | FI113730B (en) |
Families Citing this family (32)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FR2851400B1 (en) * | 2003-02-18 | 2005-06-10 | Nortel Networks Ltd | METHOD FOR CONTROLLING A MEASUREMENT REPORT MODE ON A RADIO INTERFACE AND RADIO NETWORK CONTROLLER FOR THE IMPLEMENTATION OF THE METHOD |
| US7346338B1 (en) | 2003-04-04 | 2008-03-18 | Airespace, Inc. | Wireless network system including integrated rogue access point detection |
| US7342906B1 (en) | 2003-04-04 | 2008-03-11 | Airespace, Inc. | Distributed wireless network security system |
| US20040203926A1 (en) * | 2003-04-14 | 2004-10-14 | Ville Ruutu | Selection of measurement apparatus for location of user equipment |
| FR2855344A1 (en) * | 2003-05-22 | 2004-11-26 | France Telecom | Context management system for use in network e.g. LAN, has computer server including transformation module to send application to master terminal permitting user to recover most appropriate context on master terminal |
| US7453840B1 (en) | 2003-06-30 | 2008-11-18 | Cisco Systems, Inc. | Containment of rogue systems in wireless network environments |
| US7286515B2 (en) | 2003-07-28 | 2007-10-23 | Cisco Technology, Inc. | Method, apparatus, and software product for detecting rogue access points in a wireless network |
| US6990428B1 (en) | 2003-07-28 | 2006-01-24 | Cisco Technology, Inc. | Radiolocation using path loss data |
| US7293088B2 (en) | 2003-07-28 | 2007-11-06 | Cisco Technology, Inc. | Tag location, client location, and coverage hole location in a wireless network |
| US7260408B2 (en) | 2004-02-20 | 2007-08-21 | Airespace, Inc. | Wireless node location mechanism using antenna pattern diversity to enhance accuracy of location estimates |
| US7286833B2 (en) | 2004-02-27 | 2007-10-23 | Airespace, Inc. | Selective termination of wireless connections to refresh signal information in wireless node location infrastructure |
| US7205938B2 (en) | 2004-03-05 | 2007-04-17 | Airespace, Inc. | Wireless node location mechanism responsive to observed propagation characteristics of wireless network infrastructure signals |
| US7116988B2 (en) | 2004-03-16 | 2006-10-03 | Airespace, Inc. | Location of wireless nodes using signal strength weighting metric |
| US7433696B2 (en) | 2004-05-18 | 2008-10-07 | Cisco Systems, Inc. | Wireless node location mechanism featuring definition of search region to optimize location computation |
| US7286835B1 (en) | 2004-09-10 | 2007-10-23 | Airespace, Inc. | Enhanced wireless node location using differential signal strength metric |
| US7516174B1 (en) | 2004-11-02 | 2009-04-07 | Cisco Systems, Inc. | Wireless network security mechanism including reverse network address translation |
| US7805140B2 (en) | 2005-02-18 | 2010-09-28 | Cisco Technology, Inc. | Pre-emptive roaming mechanism allowing for enhanced QoS in wireless network environments |
| US7596376B2 (en) | 2005-02-18 | 2009-09-29 | Cisco Technology, Inc. | Methods, apparatuses and systems facilitating client handoffs in wireless network systems |
| US7370362B2 (en) | 2005-03-03 | 2008-05-06 | Cisco Technology, Inc. | Method and apparatus for locating rogue access point switch ports in a wireless network |
| US7904097B2 (en) | 2005-12-07 | 2011-03-08 | Ekahau Oy | Location determination techniques |
| US20070178913A1 (en) * | 2006-01-27 | 2007-08-02 | Nokia Corporation | Method, apparatus and computer program product for self-learning location method selection logic |
| US7821986B2 (en) | 2006-05-31 | 2010-10-26 | Cisco Technology, Inc. | WLAN infrastructure provided directions and roaming |
| US8798639B2 (en) * | 2007-01-17 | 2014-08-05 | Qualcomm Incorporated | Method and apparatus for using historic network information for determining approximate position |
| JP4379493B2 (en) * | 2007-06-07 | 2009-12-09 | ソニー株式会社 | Imaging apparatus, information processing apparatus, information processing method, and computer program |
| JP5038793B2 (en) * | 2007-06-27 | 2012-10-03 | 株式会社エヌ・ティ・ティ・ドコモ | Position estimation system |
| EP2071355B1 (en) * | 2007-12-13 | 2015-07-29 | Swisscom AG | System and method for determining a location area of a mobile user |
| EP2532199B1 (en) * | 2010-02-04 | 2019-09-04 | TomTom Traffic B.V. | Location-determining system and method |
| US8825078B1 (en) * | 2011-08-18 | 2014-09-02 | Google Inc. | Probabilistic estimation of location based on wireless signal strength |
| US8706142B1 (en) * | 2011-08-18 | 2014-04-22 | Google Inc. | Probabilistic estimation of location based on wireless signal strength and platform profiles |
| JP5736055B2 (en) * | 2011-11-03 | 2015-06-17 | 京セラ株式会社 | Mobile communication method |
| FR2989469B1 (en) * | 2012-04-13 | 2014-05-02 | Id Services Sas | METHOD FOR CONTINUOUSLY UPDATING A PARAMETER REPRESENTING A PHYSICAL SIZE DEPENDING ON ITS LOCATION, AND ASSOCIATED DEVICE |
| EP3030020B1 (en) * | 2014-12-01 | 2020-01-08 | Viavi Solutions UK Limited | Providing streaming geolocation infomation |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB2329801B (en) * | 1996-03-22 | 1999-07-28 | Matsushita Electric Ind Co Ltd | System for detection of position of radio mobile station |
| AUPO084596A0 (en) * | 1996-07-04 | 1996-07-25 | University Of Technology, Sydney | Location and tracking system enhancements |
| US6249252B1 (en) * | 1996-09-09 | 2001-06-19 | Tracbeam Llc | Wireless location using multiple location estimators |
-
2001
- 2001-10-08 FI FI20011957A patent/FI113730B/en not_active IP Right Cessation
- 2001-11-19 US US10/001,855 patent/US20030069027A1/en not_active Abandoned
- 2001-12-18 EP EP01660234A patent/EP1301055A1/en not_active Withdrawn
Also Published As
| Publication number | Publication date |
|---|---|
| FI20011957A0 (en) | 2001-10-08 |
| US20030069027A1 (en) | 2003-04-10 |
| EP1301055A1 (en) | 2003-04-09 |
| FI20011957A (en) | 2003-04-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| FI113730B (en) | Location method for cellular networks | |
| US8280384B2 (en) | System and method for predicting location accuracy of a mobile unit | |
| JP4578505B2 (en) | Prediction method of whereabouts of wireless terminal | |
| KR101565351B1 (en) | Method and apparatus for geo-locating mobile station | |
| Anisetti et al. | Map-based location and tracking in multipath outdoor mobile networks | |
| US7634266B2 (en) | Aggregating location accuracy data to estimate accuracy of a wireless locating system | |
| US9513363B2 (en) | System and method for determining antenna probabilities in sub-areas of a geographical area | |
| EP1296531A1 (en) | Processing of subscriber paths for locating a mobile terminal in a mobile network | |
| US8478280B1 (en) | Minimum coverage area of wireless base station determination | |
| JP2008017455A (en) | Method for estimating location of wireless terminal | |
| JP2007316069A (en) | Prediction method for location of radio terminal | |
| JP2007316067A (en) | Method for specifying position of wireless terminal | |
| JP2007316068A (en) | Method of estimating location of wireless terminal | |
| CN106257307A (en) | There is the GNSS receiver of the airborne ability realizing Optimal Error correction mode | |
| CN111787488B (en) | User positioning method and system | |
| JP2012512404A (en) | Method and apparatus for fingerprint positioning | |
| JP2007316070A (en) | Method for predicting position of wireless terminal | |
| CN114430814A (en) | Method, apparatus and computer program for user equipment positioning | |
| US20200187148A1 (en) | Method of considering the positions of data points in relation to boundaries represented in a geographic information system database, in estimating location | |
| CN108574927B (en) | Mobile terminal positioning method and device | |
| CN109874149A (en) | Localization method, device and the computer readable storage medium of mobile terminal | |
| Khandker et al. | Positioning error prediction and training data evaluation in rf fingerprinting method | |
| Juurakko et al. | Database correlation method with error correction for emergency location | |
| Kikiras et al. | An integrated approach for the estimation of mobile subscriber geolocation | |
| JP5690757B2 (en) | Stratified allocation device |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| MA | Patent expired |